CN109060813A - 基于图像优化分类的土石料级配自动检测方法 - Google Patents

Abstract

本发明公开了一种基于图像优化分类的土石料级配自动检测方法，首先采用γ变换处理不同光照条件下采集的粒级混配的土石料图像，自适应处理各种明暗光照条件下的图像；采用动态otsu优化技术对土石料图像进行自适应阈值法处理，区分出土石两类目标；然后对二值化图像进行密度变换，保留完整的石料区域，弱化土石部分的噪声影响；将二值图像进行形态学变换，增强密度变换过程削弱的矿石边缘信息，提取图像中的矿石目标边界并进行几何形态统计；对图像中目标进行伪目标去除，保留的矿石目标进行粒级、体积、质量计算，获取土石料的累级级配曲线分布。适用于不同粒级混配的土石料自动检测，也适用于各类石料粒级的自动检测。

Description

基于图像优化分类的土石料级配自动检测方法

技术领域

本发明涉及一种不同粒级石料、不同材质石料与沙土混配而成的土石料级配的检测技术，尤其涉及一种基于图像优化分类的土石料级配自动检测方法。

背景技术

土石料由块度各异的石料与沙土混配而成，用于混凝土建筑施工、土石路基施工、桥梁及水利坝体。土石料的粒级分布检测，可提高土石料的材料使用效率，加快上述施工过程的建设速度及增强施工目标的坚固程度，对于上述工程建设具有重要的意义。施工现场的土石料中，土石材料各异，粒级及混配随机出现，目前没有自动化精确检测技术。

用于施工过程中的土石料由于光照的不均匀使得采集图像亮度相差很大，其中存在若干阴影。土石材料呈堆积状，石料内部颜色复杂多样，图像中目标众多、大小差异大，大石块覆盖些许沙土而使得内部噪声严重，小石块与沙土混叠。混合土石料图像中分割石料目标及进行粒级分析的难度很大。

目前，土石料粒级主要是通过人工筛分的方式获得，这种方法费时费力，效率很低。现有技术中可以对土石料粒级自动分析的方法少之又少。

发明内容

本发明的目的是提供一种准确、有效的基于图像优化分类的土石料级配自动检测方法。

本发明的目的是通过以下技术方案实现的：

本发明的基于图像优化分类的土石料级配自动检测方法，包括步骤：

图像中的石料及沙土目标区域分离：采用高分辨率工业相机采集土石图像，并增强所述土石料图像的对比度，对增强后的图像采用动态otsu优化二值分割；

对石料区域精确提取：采用密度变换技术去弱化沙土区域的噪声信息，去除噪声目标，增强矿石目标的边缘信息；

土石料粒级自动统计：进行矿石目标的几何特征、粒级、体积及级配自动统计。

由上述本发明提供的技术方案可以看出，本发明实施例提供的基于图像优化分类的土石料级配自动检测方法，能准确、有效的进行土石料图像分割，并实现混配土石料的粒级自动检测和自动提取，适用于不同粒级混配的土石料自动检测，也适用于各类石料及粒级的自动检测。

附图说明

图1为本发明的具体实施例中混合粒级土石料的灰度图；

图2为本发明的具体实施例中的伽马变换效果图；

图3为本发明的具体实施例中混合粒级土石料的原图；

图4为本发明的具体实施例中的动态自适应Otsu优化阈值图；

图5为本发明的具体实施例中的二值化结果图；

图6为本发明的具体实施例中的密度变换效果图；

图7为本发明的具体实施例中的膨胀示意图；

图8为本发明的具体实施例中的膨胀效果图；

图9为本发明实施例提供的基于图像优化分类的土石料级配自动检测方法的流程示意图。

具体实施方式

下面将对本发明实施例作进一步地详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

本发明的基于图像优化分类的土石料级配自动检测方法，其较佳的具体实施方式是：

包括步骤：

图像中的石料及沙土目标区域分离：采用高分辨率工业相机采集土石图像，并增强所述土石料图像的对比度，对增强后的图像采用动态otsu优化二值分割；

对石料区域精确提取：采用密度变换技术去弱化沙土区域的噪声信息，去除噪声目标，增强矿石目标的边缘信息；

土石料粒级自动统计：进行矿石目标的几何特征、粒级、体积及级配自动统计。

所述图像中的石料及沙土目标区域分离具体包括：

A、增强所述土石料图像的对比度，将所采集的图像进行γ变换处理，将图像中土石、不同石料像素的灰度值进行增强，扩大土石像素间、石料内部及边缘像素间的灰度差异性，减少石料内部像素间的差异；

B、将步骤A处理后的土石图像采用动态otsu优化方法进行二值化，对于每幅图片的每个像素都通过最小阈值进行绑定，将它的两个窗口由图像和对象大小进行自适应。

所述对石料区域进行精确提取具体包括：

C、二值化图像中，沙土部分噪声严重，采用像素邻域密度变换方法，保留完整的石料区域，弱化土石部分的噪声像素；

D、将图像进行形态学膨胀变换处理，增强密度变换过程削弱的矿石边缘信息，提取图像中的矿石目标边界并进行几何形态统计；

所述进行土石料粒级自动统计包括：

E、对图像中目标进行边界提取，计算每个目标的体积、质量与粒级，根据土石料每个粒级的质量百分比，获取土石料的累级级配曲线分布。

本发明的基于图像优化分类的土石料级配自动检测方法，首先采用γ变换处理不同光照条件下采集的粒级混配的土石料图像，自适应处理各种明暗光照条件下的图像；之后采用动态otsu优化技术对土石料图像进行自适应阈值法处理，区分出土石两类目标；然后对二值化图像进行密度变换，保留完整的石料信息，弱化土石部分的噪声影响；将图像进行形态学变换，增强密度变换过程削弱的矿石边缘信息，提取图像中的矿石目标边界并进行几何形态统计；对图像中目标进行面积过滤，保留的矿石目标进行粒径计算，获取土石料的粒级分布。能准确、有效的进行土石料图像分割，并实现混配土石料的粒级自动检测和自动提取，适用于不同粒级混配的土石料自动检测，也适用于各类石料及粒级的自动检测。

具体实施例，如图1至图9所示：

首先对土石料通过工业摄像头采集图像，其主要包括：

1、伽马变换增强土石料图像

由于光照或者灯光变化不均匀的原因会造成图像上的阴影，而γ曲线矫正就是通过一定的方法来矫正图像的这种偏差的方法。一般情况下，当用于γ矫正的值大于1时，图像的高光部分被压缩而暗调部分被扩展，当γ矫正的值小于1时，图像的高光部分被扩展而暗调部分被压缩，γ矫正一般用于平滑的扩展暗调的细节。公式如下：

f(x，y)′＝f(x，y)^γ (1)

原图像表示为f(x,y)，指数值表示为γ。

2、动态自适应Otsu优化分离土、石目标

采用动态自适应Otsu优化，将Otsu的基于最大类间方差的最优阈值与Simphiwe提出的双窗自适应阈值法相结合，根据图像中矿石图像及目标的相对大小，针对同一中心像素确定双窗尺寸，再对双窗应用Otsu法分别求得各自局部最优阈值，取两者中的较小者为最佳阈值，双边滤波图中灰度值大于最佳阈值的为矿石，小于最佳阈值的为背景，从而生成二值图。复杂矿石图像中目标大小不一，光照不均，该方法通过小尺度的窗检测小粒度的沙土目标，较大尺度的窗检测大粒度的矿石目标，具有较强的适应性，二值化效果优于传统方法。

γ矫正后图像表达为f(x,y)，首先分别求得每个像素p的两个邻域窗口，尺寸为n×n和m×m(即Npn和Npm)，窗口的最优阈值分别为T_otsu(Npn，t)和T_otsu(Npm，t)。

式中，t为灰度级范围取值[0,1]；l为最大灰度级(255)；σB2t为最大类间方差，方差越大代表着错分率越小。

其次，根据最优阈值将图像f(x,y)二值化，fb(x,y)为二值化结果。

土石料图像(图3)二值化是后续种子区域提取的基础，二值化结果见图4。

3、密度变换去除背景噪声

前述图像背景存在大量的颗粒性噪声，采用密度过滤器去除噪声，前述二值化图像表述为f(x,y)，经过密度过滤器去除噪声后的图片像素值用fb(x,y)表示，其中(x,y)为像素点坐标。过滤器的尺寸选取为a×a。输入图像中以每个白色像素点为中心，取一个a×a邻域，统计邻域范围中存在的白色像素点数目，达到下面公式中的阈值要求，是图像中此像素值是作为白色目标的条件，达不到阈值此白色像素点设置为黑色背景。

4、面积统计去除噪声目标

上述密度变换后的图像噪声目标信息被弱化，提取土石料图像中石块目标区域的面积、周长、圆形度等特征，去除噪声性伪目标。

(1)土石方图像中石块边界用链码记为a₁a₂…a_n，Δl_i为每码段a_i的边界线段长度，周长P为：

其中，n_e为石块边界链码序列中偶数码个数；n为边界链码中码的总个数。

(2)石块区域面积S

其中Δy＝y_i-y_i-1，Δx＝x_i-x_i-1，x_i和y_i分别为土石方图像中石块边界横纵坐标，x₀和y₀分别为石块边界起始点横纵坐标。

(3)石块区域圆形度R₀

R₀＝4πS/P² 0＜R₀≤1 (7)

其中，S和P分别为土石方图像中石块区域的面积和周长。

面积非常小的区域作为噪声，直接去除。面积小于阈值且圆形度严重偏离1的目标为伪目标，直接去除，剩余部分为石料目标。

5、形态学膨胀变换恢复石料边界

密度变换损失掉石料目标的边缘信息，采用形态学膨胀变换恢复图像中的石料目标区域，并可以填充石料内部的噪声。每个白色像素点为中心，在图像中取一个结构元素B，结构B范围中的像素点，不论原像素值是白色还是黑色，均设置像素值作为白色。

膨胀(dilation)运算的定义是，把结构元素B平移目标a后得到B_a，若B_a击中X，则记下a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果，如图3所示，用公式表示为：

图7中X是被处理的对象，B是结构元素，不难知道，对于任意一个在阴影部分的点a，B_a击中X，X被B膨胀的结果就是那个阴影部分。

保留下的石料目标进行粒级计算，并生成粒级分布统计结果。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种基于图像优化分类的土石料级配自动检测方法，其特征在于，包括步骤：

图像中的石料及沙土目标区域分离：采用高分辨率工业相机采集土石图像，并增强所述土石料图像的对比度，对增强后的图像采用动态otsu优化二值分割；

对石料区域精确提取：采用密度变换技术去弱化沙土区域的噪声信息，去除噪声目标，增强矿石目标的边缘信息；

土石料粒级自动统计：进行矿石目标的几何特征、粒级、体积及级配自动统计。

2.根据权利要求1所述的基于图像优化分类的土石料级配自动检测方法，其特征在于，所述图像中的石料及沙土目标区域分离具体包括：

A、增强所述土石料图像的对比度，将所采集的图像进行γ变换处理，将图像中土石、不同石料像素的灰度值进行增强，扩大土石像素间、石料内部及边缘像素间的灰度差异性，减少石料内部像素间的差异；

B、将步骤A处理后的土石图像采用动态otsu优化方法进行二值化，对于每幅图片的每个像素都通过最小阈值进行绑定，将它的两个窗口由图像和对象大小进行自适应。

3.根据权利要求2所述的基于图像优化分类的土石料级配自动检测方法，其特征在于，所述对石料区域进行精确提取具体包括：

C、二值化图像中，沙土部分噪声严重，采用像素邻域密度变换方法，保留完整的石料区域，弱化土石部分的噪声像素；

D、将图像进行形态学膨胀变换处理，增强密度变换过程削弱的矿石边缘信息，提取图像中的矿石目标边界并进行几何形态统计。

4.根据权利要求1、2或3所述的基于图像优化分类的土石料级配自动检测方法，其特征在于，所述进行土石料粒级自动统计包括：

E、对图像中目标进行边界提取，计算每个目标的体积、质量与粒级，根据土石料每个粒级的质量百分比，获取土石料的累级级配曲线分布。